[發明專利]企業貸前風險的預測方法及裝置、存儲介質和電子設備

在審

• 申請號: 202210163917.8
• 申請日: 2022-02-22
• 公開（公告）號: CN114529403A
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 賈小茹;孫少杰
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06K9/62;G06Q10/04
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 周春枚

1.一種企業貸前風險的預測方法，其特征在于，包括：

獲取測試樣本數據的原始特征，其中，所述測試樣本數據為與目標企業相關聯的目標對象的貸前風險控制的樣本數據，所述原始特征中至少包括：所述測試樣本數據中的有標簽的樣本數據的特征和所述測試樣本數據中的無標簽的樣本數據的特征；

將所述測試樣本數據的原始特征輸入到DANN模型中的域分類器一中，得到所述測試樣本數據的目標特征；

將所述測試樣本數據的目標特征輸入到TrAdaBoost模型中的原始預測分類器中，得到目標預測分類器；

依據所述目標預測分類器，輸出所述目標企業的貸前風險預測結果。

2.根據權利要求1所述的方法，其特征在于，在將所述測試樣本數據的原始特征輸入到DANN模型中的域分類器一中，得到所述測試樣本數據的目標特征之前，所述方法還包括：

將所述測試樣本數據的原始特征輸入到所述DANN模型中的域分類器二中，得到所述測試樣本數據中的源域數據標簽和所述測試樣本數據中的目標域數據標簽；

在得到所述源域數據標簽和所述目標域數據標簽之后，計算所述DANN模型中的目標特征提取器的目標函數一的梯度；

根據所述目標特征提取器的目標函數一的梯度，確定所述DANN模型中的域分類器一。

3.根據權利要求2所述的方法，其特征在于，在將所述測試樣本數據的原始特征輸入到DANN模型中的域分類器二中，得到所述測試樣本數據中的源域數據標簽和所述測試樣本數據中的目標域數據標簽之前，所述方法還包括：

通過所述目標特征提取器提取出所述測試樣本數據的原始特征；

將所述測試樣本數據的原始特征輸入到所述DANN模型中的梯度反轉層中進行處理，得到處理后的原始特征。

4.根據權利要求3所述的方法，其特征在于，將所述測試樣本數據的原始特征輸入到DANN模型中的域分類器一中，得到所述測試樣本數據的目標特征，包括：將所述處理后的原始特征輸入到DANN模型中的域分類器一中，得到所述測試樣本數據的目標特征。

5.根據權利要求2所述的方法，其特征在于，在將所述測試樣本數據的目標特征輸入到TrAdaBoost模型中的原始預測分類器中，得到目標預測分類器之前，所述方法還包括：

將所述測試樣本數據的目標特征輸入到所述TrAdaBoost模型中的原始預測分類器中，輸出預測結果；

在輸出所述預測結果之后，計算所述測試樣本數據的權重和目標函數二的梯度；

根據所述測試樣本數據的權重和目標函數二的梯度，得到第一預測分類器；根據所述第一預測分類器，確定所述目標預測分類器。

6.根據權利要求5所述的方法，其特征在于，根據所述第一預測分類器，確定所述目標預測分類器包括：

根據所述第一預測分類器，計算所述目標域數據的錯誤率；

依據所述目標域數據的錯誤率，更新所述測試樣本數據的權重；

根據更新后的所述測試樣本數據的權重和所述目標函數二的梯度，得到第二預測分類器；

根據所述第二預測分類器，重新計算所述目標域數據的錯誤率；

根據重新計算的所述目標域數據的錯誤率，再次更新所述測試樣本數據的權重；

在更新所述測試樣本數據的權重的次數滿足預設次數的情況下，確定所述目標域數據的錯誤率最低的預測分類器，并將所述目標域數據的錯誤率最低的預測分類器作為所述目標預測分類器。

7.根據權利要求3所述的方法，其特征在于，通過所述目標特征提取器提取出所述測試樣本數據的原始特征包括：

獲取所述測試樣本數據；

依據所述測試樣本數據，確定所述源域數據和所述目標域數據共用特征的數量、所述源域數據的數量及所述目標域數據的數量；

依據所述源域數據的數量和所述目標域數據的數量，得到所述源域數據和所述目標域數據的總數量，并將所述源域數據和所述目標域數據共用特征的數量、所述源域數據和所述目標域數據的總數量輸入到所述目標特征提取器中，得到所述測試樣本數據的原始特征。